Puente avanzado entre la práctica del aprendizaje profundo y la mecánica de los modelos de lenguaje, la evaluación, la recuperación, el uso de herramientas y los flujos de trabajo de agentes.
Conecta la práctica del entrenamiento de redes neuronales y del aprendizaje por transferencia con el funcionamiento interno de los modelos de lenguaje, la evaluación de modelos, las indicaciones, los ciclos de agentes, las conexiones de herramientas MCP y los flujos orientados a la recuperación. El material combina lecciones técnicas extensas con demostraciones breves; usa las tareas para distinguir conceptos duraderos de comandos sensibles a versiones y para probar los límites de cada sistema.
Relacionar entrenamiento, validación, aprendizaje por transferencia, tokens y comportamiento de modelos de lenguaje a nivel de sistemas. Diseñar un plan pequeño de evaluación para indicaciones, salidas de modelos y respuestas fundamentadas en recuperación. Especificar un ciclo de agente con objetivos, herramientas, memoria, criterios de éxito y verificación. Evaluar conexiones de herramientas y automatizaciones por su procedencia, permisos y recuperación ante fallos.
Conocimientos funcionales de Python, vocabulario básico de aprendizaje automático, comodidad para leer documentación técnica y familiaridad con el control de versiones. Este curso no sustituye a un curso completo de aprendizaje profundo.
Personas con experiencia que quieren profundizar y aplicar habilidades avanzadas de IA
Quienes aprenden mejor con ejemplos, lecciones guiadas y práctica
Profesionales, creadores y desarrolladores independientes que buscan un flujo de trabajo repetible
La lección 1 es gratis
7 lecciones · Avanzado · Curso completo.
Este curso utiliza material con licencia CC BY atribuido a su proveedor de contenido o a quien lo publicó. La reproducción de las lecciones solo está disponible tras iniciar sesión y superar las comprobaciones de publicación y licencia.